دوره آموزشی

دوبله زبان فارسی

مسترکلاس SPSS - یادگیری SPSS از ابتدا تا پیشرفته

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

این دوره تنها دوره ای است که برای یادگیری آمار، تحقیقات و تحلیل داده IBM SPSS از مبتدی تا سطح پیشرفته نیاز دارید.

آنچه یاد خواهید گرفت

تحلیل با اطمینان هر نوع داده عددی با استفاده از SPSS
برنامه ریزی مستقل مطالعه تحقیقاتی و تحلیل داده خود از ابتدا
درک طراحی تحقیق و نتایج ارائه شده در مقالات مجلات با کیفیت بالا
انجام دقیق تحلیل داده و نمایش نتایج در فرمت APA
دیتا اینتری و پاکسازی داده در SPSS
سازماندهی داده با استفاده از SPSS
تبدیل داده با استفاده از SPSS
نمونه و همچنین تحلیل توصیفی سطح جمعیت با استفاده از SPSS
تحلیل تفاوت های گروه با استفاده از آزمون تی و تحلیل واریانس
تحلیل رگرسیون خطی و چندگانه در SPSS
تحلیل رگرسیون سلسله مراتبی و پیشرفته در SPSS
رگرسیون لجستیک
تحلیل عاملی اکتشافی (EFA)
مربع کای و معیار پیوند
تحلیل اطمینان پذیری و اعتبارسنجی مقیاس با استفاده از SPSS
نمایش گرافیکی و مصورسازی پیشرفته داده با استفاده از SPSS
تحلیل تعدیل کننده و میانجی با استفاده از ماکروی فرآیند در SPSS
مدل سازی خطی عمومی در مقابل مدل سازی خطی تعمیم یافته در SPSS
اندازه های تکراری ANOVA
تحلیل همبستگی در SPSS
تحلیل پیوندها در SPSS
تحلیل کوواریانس (ANCOVA)
تحلیل واریانس چندمتغیره (MANOVA)
برنامه نویسی SPSS با استفاده از پایتون
آمار نسبت در SPSS
تحلیل TURF در SPSS
آنالیز بقا
تحلیل متا

پیش نیازهای دوره

این دوره از ابتدا ساخته شده، بنابراین نیازی به دانش قبلی در SPSS یا Statistics نیست. ما تمام جزئیات مورد نیاز در دوره را در بخش تئوری و عملی پوشش می دهیم.
یادیگرندگان برای تمرین مراحل آموزش داده شده در این دوره باید یک نسخه از نرم افزار SPSS داشته باشند.

توضیحات دوره

نتایج درس

پس از اتمام دوره، توانایی تحلیل و پردازش مستقل داده، برنامه ریزی و انجام کارهای تحقیقاتی جدید بر اساس علاقه تحقیقاتی خود را خواهید داشت. این دوره شامل اکثر انواع عمده تکنیک های تحقیقاتی به کار رفته در تحقیقات آکادمیک و حرفه ای به صورت جامع، عمیق و گام به گام است.

آموزش و پرورش

تمرکز برنامه آموزشی فعلی کمک به شرکت کنندگان در یادگیری مهارت های آماری از طریق بررسی SPSS و گزینه های مختلف آن خواهد بود. تمرکز بر توسعه مهارت‌ های عملی تحلیل داده‌، ایجاد ظرفیت مستقل برای تصمیم‌ گیری دقیق این است که چه آزمون‌ های آماری با نوع خاصی از هدف تحقیق مناسب هستند. این برنامه همچنین نحوه نوشتن خروجی به دست آمده از SPSS در فرمت APA را پوشش خواهد داد.

این دوره برای چه کسانی مناسب است؟

دانشجویان دکترا و محققانی که به دنبال تسلط به مهارت های SPSS و انتشار در مجلات با تاثیر بالا هستند.
حرفه ای هایی که به دنبال شغلی در تحلیل در بخش شرکتی هستند.
اعضای هیئت علمی که به دنبال تسلط به SPSS و ارتقای مهارت های خود در تحلیل داده هستند.

مسترکلاس SPSS - یادگیری SPSS از ابتدا تا پیشرفته

فصل 1: دیتا اینتری - یادگیری دیتا اینتری در SPSS

مفهوم سازی متغیرها - IV ،DV، کنترل، مدراتورها و متغیرهای میانجی 07:00
نوع متغیر عددی - تعیین نام ها، پهنا، اعشار و برچسب ها برای متغیرها 05:51
نوع متغیر - کاما و نقطه 05:12
نوع متغیر - نماد علمی 02:10
نوع متغیر - Stamps تاریخ و زمان 02:43
نوع متغیر - دلار 01:02
نوع متغیر - ارز سفارشی 04:11
نوع متغیر - رشته 01:43
نوع متغیر - عددی محدود 03:05
تعریف مقادیر و برچسب ها 03:28
تعریف مقادیر گمشده - مقادیر گسسته، محدوده و سیستم گمشده 04:34
تنظیم ستون ها و ترازبندی 02:33
تعریف اندازه ها - مقیاس های اندازه گیری 10:51

فصل 2: کار با انواع فایل مختلف در SPSS

انواع فایل های داده در آمار SPSS 11:20
باز کردن فایل داده اکسل در SPSS 05:26
باز کردن نوع فایل جدا شده با کاما یا CSV در SPSS 07:25

فصل 3: تبدیل داده در SPSS - معرفی RECODE و سایر توابع تبدیل

تابع COMPUTE VARIABLE چیست و چه کاری می تواند برای ما انجام دهد؟ 01:50
محاسبه توتال با استفاده از تابع COMPUTE 08:35
تمرین - Try COMPUTE با استفاده از IF 01:26
راه حل تمرین - COMPUTE با استفاده از IF 02:19
تابع RECODE - چرا متغیر را دوباره کدنویسی کنیم؟ 06:30
چرا ما دو تابع RECODE داریم؟ 01:43
چگونه RECODE INTO DIFFERENT VARIABLE را در SPSS انجام دهیم؟ 10:38
محاسبه توتال پس از RECODE 01:56
کدنویسی مجدد به همان متغیر 08:46

فصل 4: آمار توصیفی با استفاده از SPSS

تنظیم داده برای تحلیل توصیفی 03:08
انواع آمار توصیفی 06:15
آشنایی با سه تب توصیفی مختلف در SPSS 05:06
محاسبه فراوانی ها 09:54
تحلیل توصیفی با استفاده از Crosstab 04:25
شاخص‌ های گرایش مرکزی - میانگین، میانه، مد - مفهوم و موارد استفاده 04:06
محاسبه و تفسیر میانگین، میانه و مد 05:27
تأیید حالت با فراوانی ها 02:03
گزینه Explore - محاسبه توصیفات گروه بندی شده 05:09
گزینه Explore - تفسیر میانگین گروهی و فاصله اطمینان 95 درصدی از میانگین 02:43
5٪ بریده شده میانگین - مفهوم، استفاده و تفسیر 00:55
بررسی میانه، انحراف معیار، واریانس، حداقل، حداکثر و محدوده 01:49
ربع ها و محدوده بین ربع با استفاده از گزینه Explore 02:36
چولگی و کشیدگی - توضیح اصول 02:34
محاسبه و تفسیر سطح معناداری چولگی 05:12
کشیدگی - محاسبه، تفسیر و درک سطح معناداری 03:06
خطای استاندارد میانگین - مفهوم، محاسبه و تفسیر 01:32

فصل 5: آمار توصیفی پیشرفته در SPSS

تحلیل توصیفی - آمار توصیفی جمعیت 09:20

فصل 6: آزمون تی نمونه مستقل - مقایسه میانگین دو گروه مستقل

آزمون تی نمونه مستقل - تعریف گزینه های ورودی 07:14
آزمون تی نمونه مستقل - تفسیر خروجی توصیفی (میانگین، SD و SE) 03:44
آزمون تی نمونه مستقل - تفسیر آزمون لوین، تی ،p ،SE و 95% CI 04:00
آزمون تی نمونه مستقل و نوشتن به سبک APA 03:47

فصل 7: آزمون تی نمونه جفتی - مقایسه تفاوت بین دو میانگین گروه همبسته

چه زمانی از آزمون تی نمونه جفتی استفاده کنیم؟ 02:38
محاسبه آزمون تی نمونه جفتی در SPSS 04:26
تفسیر خروجی آزمون تی نمونه جفتی 03:59
آزمون تی نمونه جفتی و نوشتن به سبک APA 03:36

فصل 8: تحلیل واریانس یک طرفه - مقایسه تفاوت بین بیش از دو گروه

چه زمانی از تحلیل واریانس یک طرفه استفاده کنیم؟ 01:45
محاسبه تحلیل واریانس یک طرفه در SPSS 02:56
تفسیر خروجی تحلیل واریانس - آمار توصیفی 02:54
تفسیر خروجی - جدول خلاصه تحلیل واریانس 03:39
انجام تحلیل آزمون های تعقیبی در تحلیل واریانس - همگنی واریانس و آزمون تعقیبی 05:35
تحلیل روند و نمودار میانگین در تحلیل واریانس 05:41
تحلیل کنتراست در تحلیل واریانس 03:07

فصل 9: رگرسیون خطی - تحلیل علت و معلول One IV در One DV

رگرسیون چیست؟ 01:00
زمان استفاده از رگرسیون خطی در مقابل رگرسیون چندگانه؟ 01:34
تعریف گزینه های ورودی SPSS برای رگرسیون خطی 01:54
تفسیر خروجی رگرسیون خطی - متغیرها و خلاصه مدل 04:55
تفسیر خروجی رگرسیون خطی - ثابت، B، بتا، SE و تی 05:21

فصل 10: رگرسیون چندگانه - استنباط علیت بسیاری از IVs در One DV

رگرسیون چندگانه چیست؟ 07:26
مفروضات رگرسیون چندگانه - خطی و تست خطی بودن در SPSS 03:54
مفروضات 2 - استقلال خطاها و عدم خودهمبستگی و تست در SPSS 02:17
مفروضات 3 - همگونی خطاها و تست آن در SPSS 01:34
مفروضات 4 - نرمال بودن چندمتغیره و تست آن در SPSS 00:40
مفروضات 5 - چند خطی بودن و تست آن در SPSS 02:55
انتخاب متد رگرسیون چندگانه - متد وارد کردن 03:13
انتخاب متد رگرسیون چندگانه - متد انتخاب Stepwise و Forward 05:21
انتخاب متد رگرسیون چندگانه - متد حذف رو به عقب 04:19
اجرای متد انتخاب Stepwise و Forward رگرسیون در SPSS 05:56
انتخاب متد رگرسیون چندگانه - متد حذف 03:48

فصل 11: تحلیل رگرسیون سلسله مراتبی

تحلیل رگرسیون سلسله مراتبی چیست و چه زمانی باید از آن استفاده کرد؟ 01:47
تنظیم داده و تعریف مدل در رگرسیون سلسله مراتبی 04:47
اصلاح مدل و تشخیص چندخطی بودن از طریق ماتریس همبستگی 09:40
رام کردن داده بد - استفاده از بتا، مربع R و مقادیر p برای اصلاح بیشتر مدل 03:26
تفسیر خروجی رگرسیون سلسله مراتبی 14:19

فصل 12: تحلیل عاملی اکتشافی

تحلیل عاملی چیست؟ 02:12
درک متغیرهای پنهان و شاخص ها در FA 01:03
نمونه تحقیقاتی که از FA در مهندسی و علوم اجتماعی استفاده می کنند 05:54
منشا تاریخی FA و کاربرد آن در ساختاردهی تست 04:36
تحلیل عاملی اکتشافی در مقابل تحلیل عاملی تاییدی (EFA در مقابل CFA) 05:17
تعیین داده برای تحلیل عاملی 02:33
درک متغیر انتخاب 02:50
آمارهای توصیفی تک متغیره و راه حل های اولیه - توصیفی 01:18
ماتریس همبستگی - ضرایب، معناداری، دترمینان، KMO و بارتلت 04:31
درک معکوس، بازسازی شده و ضد تصویر 03:58
متد استخراج - تحلیل مولفه اصلی 02:54
متد استخراج - فاکتورگیری محور اصلی 01:40
متد استخراج - برآورد حداکثر احتمال 00:48
انتخاب ماتریس همبستگی در مقابل کوواریانس برای تحلیل عاملی 05:53
تفسیر ماتریس همبستگی و راه حل های عاملی بدون چرخش 07:29
تعیین تعداد عوامل - نمودار سنگریزه در مقابل معیار مقدار ویژه کایزر 08:14
چرخش عاملی چیست و چرا انجام می شود؟ 06:28
متدهای چرخش - Direct Oblimin و Equamax و Quartimax و Varimax و Promax 08:04
محاسبه امتیازات عامل - رگرسیون، بارتلت، اندرسون-روبین 03:47
ماتریس ضرایب امتیاز عامل 01:40
تحلیل مقدار گمشده - جفت جفت، لیستی و جایگزینی با میانگین 02:49
مرتب سازی بر اساس اندازه و سرکوب ضرایب کوچکتر 06:16
پروژه تحلیل عاملی - بخش 1 - شناسایی ابعاد شخصیت 14:21
پروژه تحلیل عاملی - بخش 2 - شناسایی ابعاد شخصیت 15:32
پروژه تحلیل عاملی - بخش 3 - شناسایی ابعاد شخصیت 05:31
پروژه تحلیل عاملی - بخش 4 - نامگذاری عامل 13:29
پروژه تحلیل عاملی - بخش 5 - تحلیل اطمینان پذیری عوامل 22:31
پروژه تحلیل عاملی - بخش 6 - ارائه نتایج به سبک APA 08:53

فصل 13: آزمون مربع کای

آزمون مربع کای - مقدمه و زمان استفاده از آزمون مربع کای؟ 03:46
مفروضات آزمون مربع کای 03:50
فرمول محاسبه آزمون مربع کای 01:09
تنظیم داده برای محاسبه مربع کای با استفاده از گزینه Crosstabs 04:39
آزمون فرضیات آزمون مربع کای با استفاده از گزینه Crosstabs 03:26
تفسیر خروجی آزمون مربع کای و گزارش دهی به سبک APA 02:32
مربع کای یک طرفه - چه زمانی استفاده کنیم و چه تفاوتی با مربع کای دو طرفه دارد؟ 07:11
تنظیم داده برای آزمون مربع کای یک طرفه 02:08
وزن‌ دهی موارد، محاسبه، تفسیر و نوشتن به سبک APA برای مربع کای یک طرفه 07:26
تمرین مجموعه داده برای مربع کای یک طرفه 03:06

فصل 14: تحلیل اطمینان پذیری

آشنایی با تحلیل اطمینان پذیری 01:54
اطمینان پذیری چیست؟ 03:16
مدل های بازتابی در مقابل مدل های تشکیل دهنده مقیاس 05:18
آیا باید آلفای کرونباخ یا اطمینان پذیری ترکیبی را گزارش کنیم؟ 01:36
نوع اطمینان پذیری - اطمینان پذیری تست-تست مجدد 01:52
نوع اطمینان پذیری - فرم موازی 01:48
نوع اطمینان پذیری - اطمینان پذیری سازگاری درونی 03:24
درک آلفای کرونباخ 01:37
فرضیات آلفای کرونباخ 08:49
فرمول آلفای کرونباخ 02:18
محدوده آلفای کرونباخ 04:31
محاسبه اطمینان پذیری - درک مقیاس در صورتی که یک آیتم حذف شود 02:33
تفسیر خلاصه پردازش مورد و ضریب آلفا 00:45
بهبود اطمینان پذیری یک مقیاس - تشخیص مقادیر گمشده 06:07
بهبود اطمینان پذیری - تشخیص میانگین و واریانس های مقیاس 02:31
بهبود اطمینان پذیری - تشخیص هم بستگی های آیتم-توتال 04:42
بهبود اطمینان پذیری - حذف آیتم های مبهم و حشو 07:49
شاخص تمایز آیتم 03:48

فصل 15: رگرسیون لجستیک

رگرسیون لجستیک چیست؟ 00:33
آشنایی با مدل رگرسیون لجستیک 05:38
آشنایی با مدل رگرسیون لجستیک - شکل، منطق و احتمالات 07:55
آشنایی با معادله رگرسیون لجستیک 03:39
الزامات برای تحلیل رگرسیون لجستیک 00:42
مفروضات رگرسیون لجستیک 05:32
مفهوم نسبت های فرد (به طور خلاصه) 01:21
تنظیم داده و درک فایل داده 04:21
چگونه متغیر وابسته باینری را در رگرسیون لجستیک کدنویسی کنیم؟ 04:25
آشنایی با گزینه بلوک و گزینه تعامل 03:11
انتخاب "متد" و کدنویسی متغیر طبقه‌ بندی به عنوان متغیر "ساختگی" 06:32
آشنایی با گزینه ذخیره - احتمالات پیش بینی شده و عضویت در گروه 03:09
آشنایی با گزینه ذخیره - تاثیرگذاری - فاصله کوک و گزینه‌ های DFBeta 03:42
آشنایی با ذخیره - باقیمانده ها - استانداردسازی شده 01:47
آشنایی با گزینه نمودارهای طبقه بندی 01:26
آشنایی با گزینه آزمون نیکویی برازش هوسمر - لمشو 01:49
آشنایی با باقیمانده لیست Case-wise 01:23
آشنایی با گزینه همبستگی برآوردها 00:37
آشنایی با گزینه "تاریخچه تکرار" 00:40
آشنایی با گزینه CI برای Exp(B) 01:41
گنجاندن ثابت در مدل 01:05
آشنایی با "Classification Cutoff .5 و بوت استرپ کردن 04:47
خروجی - درک خلاصه پردازش مورد و کدنویسی متغیر ساختگی 03:33
خروجی - درک بلوک 0 در مقابل سایر بلوک ها و تاریخچه تکرار 02:13
خروجی - درک - درست نمایی لگاریتم 2 و مربع R (Cox n Snell و Negelkerke) 06:15
خروجی - درک جدول طبقه بندی (حساسیت و ویژگی) 04:21
خروجی - متغیرها در معادله - تفسیر مدل بیس لاین 01:18
خروجی - هوسمر-لمشو و جدول احتمالی اقتضایی برای مدل بیس لاین 01:10
خروجی - تفسیر آزمون هوسمر-لمشو برای مدل پیش فرض 01:34
خروجی - تفسیر متغیرها در معادله برای مدل پیش فرض 02:40
خروجی - تفسیر آزمون والد برای مدل پیش فرض 05:27
بررسی عمیق نسبت شانس‌ ها - بخش 1 - اصول، مشتق و محاسبه 18:55
بررسی عمیق نسبت شانس‌ ها - بخش 2 - محاسبه شانس های ابتلا به سرطان ریه با سیگار کشیدن 08:25
تفسیر نسبت شانس‌ ها در متغیرها در جدول معادله 03:07
تفسیر جدول همبستگی و درک چند خطی بودن 03:10
نمودار طبقه بندی - تفسیر و کاربرد 07:45
تفسیر لیست Case-wise از خروجی باقیمانده ها 03:09
تفسیر احتمالات پیش بینی شده و عضویت در گروه 03:51
تفسیر فاصله کوک و DFBeta 04:18
تفسیر خروجی آزمون کل نگر 04:03
توضیح شبه مربع های R - درست نمایی لگاریتم 2 و Cox و Snell و Negelkerke 06:04
نوشتن معادله نهایی از رگرسیون لجستیک به صورت دستی 02:39
ارائه جدول و نتایج به سبک APA 17:34

فصل 16: تحلیل تعدیل کننده و میانجی با استفاده از ماکروی فرآیند

آشنایی با تحلیل تعدیل کننده و میانجی 04:12
آشنایی با تحلیل تعدیل کننده و مدل رگرسیون آن - بخش 1 04:03
آشنایی با تحلیل تعدیل کننده و مدل رگرسیون آن - بخش 2 10:49
معادله آماری تعدیل کننده 05:50
آشنایی با میانجی - اثرات مستقیم، غیرمستقیم و توتال 04:30
آشنایی با تفاوت بین تعدیل کننده و میانجی 09:45
دانلود و نصب ماکروی فرآیند 09:49
مثال هایی از تعدیل کننده - داستان Infosys و اوبر 07:30
میانجی چیست؟ آشنایی با مدل میانجی 03:31
میانجی کامل جزئی n چیست؟ 02:19
آشنایی با اثرات مستقیم، غیرمستقیم و توتال 04:38
آزمون سوبل چیست؟ 01:25
تا حدی استانداردسازی شده در مقابل اثرات غیرمستقیم کاملا استانداردسازی شده 03:37
درک نسبت اثرات غیرمستقیم - غیرمستقیم به کل در مقابل غیرمستقیم به مستقیم 02:24
توضیح نسبت واریانس با اثر غیرمستقیم چیست؟ 02:03
تحلیل تعدیل کننده - مجموعه داده و توسعه فرضیه 09:45
درک اعداد مدل 05:13
تعدیل کننده - متغیرها، بوت استرپ کردن، کوواریانس، میانجی پیشنهادی، W ،Z ،V و Q 02:17
گزینه های تعدیل کننده - مرکز میانگین برای محصولات 01:34
گزینه های تعدیل کننده - ناهمگونی سازگار SE و OLS/ML CI، ترسیم نمودار داده 01:30
تعدیل کننده - شرطی شدن - جانسون-نیمن 01:47
تعدیل کننده - چندطبقه ای 00:47
برخورد با نام های بلند 01:03
توضیح خروجی تحلیل تعدیل کننده 17:44
ترسیم نمودار اثر تعدیل کننده در SPSS و اکسل 07:54
ارائه اثر تعدیل کننده به سبک APA، نمودار و جدول 02:43
مدل مفهومی میانجی - آیا گلوکز در تأثیر دیابت واسطه می شود؟ 03:14
بررسی مناسب بودن داده برای تحلیل میانجی 03:27
میانجی - متغیرهای M، عدد مدل، نمونه بوت استرپ و کوواریانس 04:04
میانجی - گزینه ها - فاصله اطمینان OLS/ML و اندازه اثر 01:55
میانجی - گزینه - آزمون سوبل 01:49
میانجی - گزینه ها - مدل اثر کل، مقایسه اثر غیرمستقیم، کوواریانس چاپ مدل 01:47
میانجی - شرطی سازی، نام های چندطبقه ای و نام های بلند 02:20
خروجی میانجی - آشنایی با خروجی ماتریس کوواریانس 01:44
توضیح خروجی میانجی - بخش 1 03:27
توضیح خروجی میانجی - بخش 2 04:29
توضیح خروجی میانجی - بخش 3 03:01
خروجی میانجی - اثرات غیرمستقیم جزئی و کاملا استانداردسازی شده 01:16
خروجی میانجی - نسبت اثر غیرمستقیم به اثر کل و اثر غیرمستقیم به مستقیم 01:16
خروجی میانجی - اندازه اثر میانجی مربع R 00:28
خروجی میانجی - آزمون تئوری نرمال برای اثر غیرمستقیم 00:40
خروجی میانجی - ضریب کاپای و چرا سرکوب می شود؟ 01:29
محاسبه دستی Preacher و ضریب کاپای کلی 09:48
ارائه نتایج تحلیل میانجی به سبک APA 02:35

فصل 17: مدل سازی خطی عمومی (GLM) و مدل سازی خطی تعمیم یافته (GLIM)

آشنایی با (مدل های خطی عمومی) GLM 00:24
مدل های خطی عمومی (GLM) چیست؟ 04:55
مدل های خطی تعمیم یافته (GLIM) چیست؟ 05:08
توزیع های نمایی چیست؟ 04:02
مثال ها و کاربردهای مدل های خطی تعمیم یافته (GLIM) 00:59
مدل های خطی عمومی (GLM) در مقابل مدل های خطی تعمیم یافته (GLIM) 03:45

فصل 18: اندازه های تکراری تحلیل واریانس یک طرفه

طراحی اندازه های تکراری چیست؟ (مثال 1 - مطالعه افسردگی) 03:57
طراحی اندازه های تکراری چیست؟ (مثال 2 - عملکرد تحت مطالعه نویز) 01:39
طراحی اندازه های تکراری چیست؟ (مثال 3 - مطالعه گروه کنترل) 01:41
آیا باید اندازه های تکراری تحلیل واریانس یا آزمون تی نمونه جفتی را انجام دهیم؟ 00:33
مفروضات اندازه های تکراری تحلیل واریانس 05:18
توضیح آزمون های چندمتغیره 02:28
آشنایی با اثر پیلای و لامبدای ویلکس 04:52
آشنایی با اثر هتلینگ 00:56
آشنایی با بزرگترین ریشه روی 01:38
کرویت چیست ؟ - آشنایی با کرویت از طریق یک مثال 04:29
آشنایی با آزمون کروی بودن ماچلی 07:26
آشنایی با مجموعه داده 01:35
تدوین سوال و فرضیه تحقیق بر اساس داده 01:48
آشنایی با نامگذاری عامل درون موضوعی 02:48
آشنایی با گزینه نام اندازه 02:54
آشنایی با گزینه های "بین عامل موضوعی و کوواریانس" 03:45
آشنایی با خروجی اولیه 00:45
مدل - فاکتوریل کامل، اصطلاحات ساخت و اصطلاحات سفارشی و اثرات اصلی و متقابل 06:06
توضیح مجموع مربعات نوع اول، نوع دوم، نوع سوم و نوع چهارم 12:21
کنتراست - ساده، چندجمله ای، تکراری، انحراف، تفاضل و هلمرت 17:29
تعریف نمودارها - بررسی همه گزینه ها 16:52
آشنایی با آزمون‌ های تعقیبی - دو خانواده از آزمون ها 08:01
چه زمانی از آزمون های توکی و شفه استفاده کنیم؟ 02:32
توضیح تصحیح بونفرونی 05:40
توضیح آزمون LSD 02:24
آزمون HSD و WSD و SNK توکی 12:34
آزمون والر-دانکن، تی دانت، شفه، سیداک، دانکن و هوچبرگ گابریل 13:01
آزمون های گیمز هاول، T2 و T3 تامهانه - آزمون‌ های تعقیبی غیر پارامتری 07:35

فصل 19: همبستگی ها

آشنایی با همبستگی 01:45
همبستگی چیست؟ 01:18
انواع همبستگی ها - همبستگی مثبت و منفی 03:42
آشنایی با ضریب همبستگی و محدوده آن 03:25
از کدام ضریب همبستگی و چه زمانی استفاده کنیم؟ 08:55
آشنایی با همبستگی پیرسون - منشا، کاربرد و چرا اینقدر محبوب است؟ 03:10
چرا به آن ضریب همبستگی حاصلضرب گشتاور می گویند؟ 02:33
مفروضات همبستگی حاصلضرب گشتاور پیرسون 06:37
محاسبه r - فرمول امتیاز انحراف 01:31
محاسبه r - فرمول امتیاز Z 01:24
محاسبه r - فرمول نمره خام 02:06
محاسبه r - فرمول کوواریانس 02:42
محاسبه دستی r با استفاده از متد امتیاز خام 02:33
اهمیت ضریب همبستگی 02:12
همبستگی های جعلی - همبستگی به معنای علیت نیست 03:15
همبستگی پیرسون به عنوان ضریب متغیر (مربع R) 02:54
محاسبه r در SPSS - بررسی مفروضات 11:25
محاسبه r در SPSS - درک پیرسون، دو طرفه و بوت استرپ کردن 04:42
تفسیر خروجی r 00:50
بوت استرپ کردن ضریب همبستگی (r) 01:24
خروجی نوشتن r به سبک APA 09:48
فیکس کردن باگ بوت استرپ در SPSS 25 10:55
آشنایی با همبستگی های دو رشته ای و دو رشته ای نقطه ای 02:19
چه زمانی از همبستگی دو رشته ای و چه زمانی از همبستگی دو رشته ای نقطه ای استفاده کنیم؟ 03:46
محاسبه و تفسیر همبستگی دو رشته ای در SPSS 04:42
گزارش دهی به سبک APA از خروجی همبستگی دو رشته ای 00:48
تمرین - محاسبه همبستگی دو رشته ای نقطه ای بین جنسیت و حقوق و دستمزد 00:58
چگونه می توان همبستگی دو رشته ای نقطه ای را در SPSS محاسبه کرد؟ 01:45
چگونه می توان همبستگی دو رشته ای نقطه ای را در SPSS تفسیر کرد؟ 03:00
چگونه خروجی همبستگی دو رشته ای نقطه ای را به سبک APA گزارش کنیم؟ 02:45
آشنایی با ضریب همبستگی رتبه ای اسپیرمن (Rho) 00:30
زمان استفاده از ضریب همبستگی رتبه ای - چهار مثال 02:44
چه کسی Rho را داده است و چگونه نشان داده می شود؟ 00:13
مفروضات ضریب همبستگی رتبه ای اسپیرمن 06:48
آشنایی با فرمول Rho و متد اعطای رتبه 03:07
چگونه در هنگام محاسبه Rho با رتبه های مرتبط برخورد کنیم؟ 03:55
آیا باید ابتدا متغیرهای خود را رتبه بندی و سپس Rho را محاسبه کنیم؟ 00:28
محاسبه و تفسیر Rho در SPSS 02:02
Rho در اعطای رتبه داده - اثبات 03:03
گزارش ضریب همبستگی رتبه ای اسپیرمن به سبک APA 01:47

فصل 20: معیار پیوند

مقدمه - تفاوت بین پیوند و همبستگی چیست؟ 05:44
آشنایی با جفت های همخوان و ناسازگار 10:27
آشنایی با جفت ها بر اساس محاسبه ستون و سطرها 04:42
آشنایی با تاوی-کندال 00:39
چه زمانی از تاوی-کندال به جای اسپیرمن استفاده کنیم؟ 03:23
مفروضات تای-کندال 05:20
محدوده و تفسیر تای-کندال 01:05
انواع ضرایب تای-کندال - تای کاندال a و b و c و W 00:59
تای-کندال a - مفهوم، زمان استفاده و فرمول 02:39
تای-کندال b و c - مقدمه و زمان استفاده از آن ها 02:58
فرمول تای-کندال b 00:56
فرمول تای-کندال c و زمان استفاده 01:39
تای-کندال a و b و c و W - مقایسه استفاده 02:25
تای-کندال b در SPSS - چک کردن رتبه های مرتبط 01:19
تای-کندال b - گزارش دهی به سبک APA 01:55
تای-کندال c - چک کردن فرضیات 03:35
تای-کندال c - محاسبه و تفسیر در SPSS 03:58
تای-کندال c - گزارش دهی به سبک APA 01:02
کندال W - مقدمه و زمان استفاده 04:52
کندال W - آشنایی با این فرمول 01:15
کندال W در SPSS (استفاده از دیالوگ باکس خودکار غیرپارامتریک) 05:47
کندال W در SPSS (استفاده از دیالوگ باکس قدیمی غیرپارامتریک) 04:52
کندال W - گزارش دهی خروجی به سبک APA 03:09

فصل 21: فیکس کردن باگ در SPSS

فیکس کردن باگ بوت استرپ در SPSS 25 10:55

فصل 22: تحلیل کواریانس - تحلیل کوواریانس یک طرفه

مقدمه - تحلیل کواریانس چیست و چه زمانی از آن استفاده کنیم؟ 04:24
معنی کوواریانس چیست؟ یعنی کنترل؟ 02:13
روش های تحلیل کواریانس و الزامات انجام تحلیل کواریانس 04:14
آشنایی با مفروضات و مجموعه داده 09:22
طراحی مطالعه و مجموعه داده 04:20
آشنایی با گزینه ها - DV، فاکتورهای ثابت و فاکتورهای تصادفی 10:42
آشنایی با کوواریانس و وزن WLS و چرایی غیرفعال شدن دکمه آزمون‌ های تعقیبی 03:08
مفروضات آزمون 20:33
اهمیت کنترل کوواریانس 05:05
توضیح گزینه ها - مدل مجموع مربع ها و کنتراست 06:44
توضیح گزینه ها - نمودارها 04:58
توضیح گزینه ها - میانگین برآورد حاشیه ای (EM) 05:06
توضیح گزینه ها - مقایسه اثرات های اصلی (LSD، بنفرونی و Sidak) و ذخیره 03:17
گزینه ها - توصیفی، پارامتر اندازه اثر، باقیمانده آزمون همگنی را برآورد می کند 08:32
توضیح خروجی - بخش 1 09:34
توضیح خروجی - بخش 2 09:34
ارائه نتایج ANCOVA به سبک APA 06:42

فصل 23: MANOVA (تحلیل واریانس چندمتغیره)

MANOVA چیست؟ 01:44
چه زمانی از MANOVA استفاده کنیم؟ 04:21
درخت تصمیم گیری آزمون چندمتغیره - چه زمانی از ANOVA و MANOVA و ANCOVA و MANCOVA استفاده کنیم؟ 06:33
مفروضات MANOVA 02:18
سوالات تحقیق و طراحی مطالعه 09:07
توسعه فرضیه ها 03:38
آشنایی با پنجره MANOVA در SPSS 05:07
تعیین مدل - فاکتوریل کامل، اصطلاحات ساخت و اصطلاحات سفارشی 04:14
آشنایی با مدل مجموع مربع ها 05:56
کنتراست چیست؟ 02:18
آشنایی با کنتراست ساده 02:08
آشنایی با کنتراست تکراری 00:52
آشنایی با کنتراست چندجمله ای 01:23
آشنایی با کنتراست انحراف 01:40
آشنایی با تفاوت و کنتراست هلمرت 01:44
آشنایی با میانگین های حاشیه ای برآورد شده 03:24
آشنایی با گزینه SAVE 01:33
آشنایی با آمار توصیفی، اندازه اثر، توان مشاهده شده، پارامتر غیرمنتظره 06:43
آشنایی با برآوردهای پارامتر 00:45
آشنایی با ماتریس SSCP و ماتریس SSCP باقیمانده 11:39
آشنایی با ماتریس تبدیل و آزمون همگنی 04:15
آشنایی با نمودارهای پراکندگی و باقیمانده 01:16
آشنایی با آزمون عدم برازش 01:13
آشنایی با تابع قابل برآورد عمومی 00:35

فصل 24: پایتون برای کاربران SPSS

چرا دانشمندان علوم اجتماعی باید برنامه نویسی را یاد بگیرند؟ 03:35
گزینه های قابل برنامه نویسی در SPSS - پایتون، R و ویژوال بیسیک 04:10
نصب و اجرای پایتون 05:26
دسترسی به پایتون از SPSS 03:55
آشنایی با گزینه باندل افزونه 03:26
سه قانون در نوشتن برنامه پایتون 07:08
اولین برنامه پایتون خود در SPSS - بررسی Hello World 11:17
واحد - مفاهیم اولیه - درک متغیرها و عملگرها 07:15
تایپ های داده در پایتون 01:10
داده چیست؟ 01:53
تایپ های داده کدامند؟ 05:09
ساختارهای داده کدامند؟ 04:09
تایپ های داده در مقابل ساختارهای داده در پایتون 07:11
تایپ های داده اولیه در پایتون 03:45
تایپ های داده Non-Primitive - لیست ها، استک، صف، نقشه 07:37
تایپ های داده Non-Primitive - تاپل، مجموعه، Frozen Set و دیکشنری 11:46
گزینه های حسابی در پایتون - استفاده از پایتون به عنوان ماشین حساب 14:45
واحد - تابع چاپ - راهنمای چشمگیر - چاپ یک نام میلیون ها بار در ثانیه 14:38
یادگیری چاپ یک پاراگراف در پایتون 05:30
چاپ الگوی متنی در پایتون 05:43
Clearing Screen - چگونه تابع Clear Screen را در Pycharm تعریف کنیم؟ 10:55
یونیت - توابع در پایتون - لیست توابع داخلی 01:24
تابع Input 19:18
توابع Min و Max 08:43

فصل 25: آمار نسبت در SPSS

مقدمه و کاربرد 10:10
میانگین انحراف مطلق (AAD) چیست؟ 03:59
ضریب پراکندگی (COD) چیست؟ 02:25
ضریب واریاسون (COV) چیست؟ 03:08
سوگیری مرتبط با قیمت چیست؟ 03:48
تفاوت مرتبط با قیمت (PRD) چیست؟ 06:34
درک فاصله اطمینان PRD و شاخص تمرکز 06:13
محاسبه آمار نسبت در SPSS - فرضیه تنظیم داده و انتخاب عملیات 09:21
تفسیر خروجی آمار نسبت 12:49
نوشتن آمار نسبت به سبک APA 09:09

فصل 26: تحلیل TURF در SPSS

تحلیل TURF چیست و چه زمانی از آن استفاده کنیم؟ 05:54
تعریف تحلیل TURF 03:23
محاسبات TURF چیست؟ 09:27
چه کسی تحلیل TURF را کشف کرد؟ 01:02
مفروضات تحلیل TURF؟ 03:21
کاربردهای تحلیل TURF 03:57
محاسبه دستی TURF 17:24
تحلیل TURF در SPSS - درک گزینه های ورودی 11:56
تفسیر خروجی SPSS از تحلیل TURF - بخش 1 09:19
تفسیر خروجی SPSS از تحلیل TURF - بخش 2 02:57
نوشتن به سبک APA - تحلیل TURF 12:59

فصل 27: مصورسازی داده پیشرفته در SPSS

آشنایی با مصورسازی داده پیشرفته در SPSS 00:54
معنی توزیع چیست؟ 08:32
درک توزیع های آماری 10:34
ایجاد توزیع های فراوانی و احتمال در SPSS 21:08
آشنایی با توزیع های Fat Tail و Thin Tail 06:43
تفاوت بین توزیع های Fat Tail و Thin Tail 03:50
نمودارهای PP در SPSS 12:16
تفسیر نمودارهای PP با مرجع به خط وسط 01:46
نمودارهای QQ چیست؟ 02:05
ایجاد و تفسیر نمودارهای QQ در SPSS 06:20
چگونه از نمودار QQ برای بهبود نرمال بودن متغیر خود استفاده کنید؟ 09:52
نقشه های رابطه در SPSS 30:07

فصل 28: آنالیز بقا

آشنایی با آنالیز بقا 01:35
آنالیز بقا چیست؟ 05:24
تاریخچه آنالیز بقا 13:52
اصطلاحات - رویداد زمانی و عمر باقیمانده 03:17
اصطلاحات - درک خطر، میزان خطر و نرخ بقا 05:14
اصطلاحات - درک احتمال شرطی در آنالیز بقا 06:10
اصطلاحات - درک داده سانسور شده و بدون سانسور 03:10
اصطلاحات - درک میانگین زمان بین شکست ها در مقابل میانگین زمان شکست 02:48
هدف از آنالیز بقا 01:37
آشنایی با ماهیت داده مورد نیاز برای اجرای آنالیز بقا 04:24
انواع آنالیز بقا 04:40
چه زمانی از رگرسیون کاپلان-مه‌یر در مقابل رگرسیون کاکس استفاده کنیم؟ 07:51
مثال های تحقیق متدهای رگرسیون کاپلان-مه‌یر و کاکس 04:19
تنظیم داده برای آنالیز بقا 13:35
تعیین هدف و فرضیه تحقیق SA خود 08:22
آشنایی با گزینه های ورودی متد کاپلان-مه‌یر 18:08
تفسیر خلاصه پردازش مورد و جداول بقا 09:08
تفسیر میانگین، میانه و درصد بقا 04:11
تفسیر مقایسه زوجی 11:13
تفسیر نمودار تابع بقا 15:21
تفسیر تابع بقا با سایر نتایج آماری 05:01
نوشتن گزارش به سبک APA برای آنالیز بقای کاپلان-مه‌یر 23:16
پروژه در آنالیز بقا - تکرار یک مطالعه واقعی 42:51
منابع درباره آنالیز بقا 01:08

فصل 29: تحلیل متا

تحلیل متا چیست و چرا باید درباره آن بدانید؟ 09:04
رابطه بین بررسی سیستماتیک و تحلیل متا 03:42
مکان یابی تحلیل متا در خانواده سایر تکنیک های تحقیق 06:35
آیا تحلیل متا بهتر از آزمون فرضیه است؟ 03:00
نتیجه تحلیل متا - اندازه اثر، نمودار جنگلی و سوگیری انتشار 04:04
مدل آماری تحلیل متا 09:56
اندازه اثر چیست؟ 04:25
درک و محاسبه d کوهن 03:05
دانلود و نصب پکیج تحلیل متا در JAMOVI 04:38
انواع تکنیک های تحلیل متا در پکیج های نرم افزاری 07:42
تحلیل متا داده تجمیع شده (AD) در مقابل داده فردی شرکت کننده (IPD) 03:05
سازماندهی داده خود برای تحلیل متا مبتنی بر همبستگی 05:09
تحلیل متا در Jamovi - بخش 1 - گزینه های ایمپورت و ورودی داده 07:31
آشنایی با برآوردگرهای مدل 04:05
آشنایی با برآوردگر اثر ثابت و فرمول آن 09:18
آشنایی با مدل اثر تصادفی و زمان استفاده از مدل اثر ثابت در مقابل مدل اثر تصادفی؟ 06:22
چگونه خطای ''نیاز به مقادیر محدود xlim'' را در Jamovi عیب یابی کنیم؟ 01:49
آشنایی با برآوردگرهای درست نمایی بیشینه و برآوردگرهای درست نمایی بیشینه محدود شده 08:43
آشنایی با برآوردگر مدل DerSimonian-Laird 11:50
درک و محاسبه برآوردگر Hedges g 08:02